新型人工智能可以解码DNA隐藏的“语言”

大型语言模型(艺术图)基于DNA序列训练。

图片来源：物理学家组织网络

科技日报记者 张佳欣

DNA包含了维持生命所需的基本信息。了解这些信息是如何存储和组织的，一直是20世纪最大的科学挑战之一。理解这些信息是如何存储和组织的，一直是20世纪最大的科学挑战之一。现在，借助基于人类DNA训练的新型大型语言模型GROVER，研究人员有望解码隐藏在基因组中的复杂信息。德国德累斯顿工业大学生物技术中心开发的GROVER将人类DNA视为文本，通过学习其规则和语境来提取DNA序列的功能信息。这个新工具有望彻底改变基因组学，加快个性化医疗的发展。新一期《自然·机器智能》杂志上发表了相关研究论文。

通过文本训练，大型语言模型发展了在多种语境中使用语言的能力。研究者们设想把生命代码DNA作为一种语言，对一种大型语言模型进行训练。——GROVER。

就语言而言，人们谈论的是语法、句法和语义。对DNA而言，这意味着学习核苷酸的序列等等。正如GPT模型学习人类语言一样，GROVER基本上学习了DNA“语言”。

研究表明，GROVER不仅可以准确预测下一个DNA序列，还可以用来提取具有生物学意义的上下文信息，例如识别DNA上的基因启动子或蛋白质结合点。另外，GROVER还学习了“表观遗传”的过程，即在DNA序列没有改变的情况下，基因表达的可遗传变化。

在DNA中，GROVER有望解锁包含关于人类性质、疾病易感性和治疗反应的关键信息。研究者认为，通过语言模型了解DNA的规则，有助于揭示隐藏在DNA中的生物意义，从而促进基因组学和个性化医学的发展。